基于轻量级CNN的无人车转向控制研究

传统的无人车避障系统多采用传感器融合技术，成本较高，操作复杂。基于搭载单目视觉传感器的无人车平台，设计了一种轻量级的卷积神经网络(CNN)模型(SPSENet)作为无人车的转向控制系统,为其避障提供技术支持，同时运用随机权重图像融合算法对AirSim仿真环境下采集的图像样本进行数据增强，用于提高障碍物被树荫遮挡情况下的检测效果。SPSENet模型对Mobile NetV3的结构进行了调整，在每个深度可分离卷积和池化模块后引入通道注意力机制，并由全卷积层来连接输出层，更好地实现了对无人车从图像到转向预测的端到端控制。实验结果表明，SPSENet与经典分类网络相比，参数显著减少，性能指标有所提升，具有较好的实用性。